发表于
2022-12-13 02:18:12
ĺ…贚莡ĺ–甾ĺ䚌 AI Blueprints[$33.99→0]
发表于
2022-12-05 18:09:37
发表于
2022-12-05 01:46:26
免费获取电子书 R Deep Learning Essentials - Second Edition[$33.99→0]
发表于
2022-12-03 19:09:49
发表于
2022-12-01 17:18:54
发表于
2022-10-13 09:47:04
4. 非监督学习与强化学习简介
机器学习的第二种范式是非监督学习（Unsupervised learning），目标是从数据中找出模式。监督学习接收的是有标记的数据，非监督学习处理的则是没有标记的数据。换句话说，非监督学习没有已知的输出作为标准，而是试图发现数据中存在的模式。根据模式的性质，非监督学习可分为两个领域。一个领域是聚类分析，根据数据实例的相似性将它们划分进不同的集群。聚类分析有许多应用，例如，对像素聚类能够分割图像，对词语聚类可以找出同义词，对文章聚类能够将它们按主题归档。
...继续阅读
(8)
发表于
2022-10-12 11:59:20
2. 监督学习之分类
机器学习的第一种范式是监督学习（Supervised learning），学习的目标是根据输入预测输出的函数。例如，输入是患者的检查数据，输出是疾病的诊断结果；输入是动物图片，输出是它们的名称；输入是未来的某个日期，输出是该日的降雨量。输出值定性还是定量，对问题描述和所用学习方法影响很大，因而习惯上监督学习以其为标准分为两个主题。如果输出值是定性和离散的，监督学习称为分类（Classification），其输出值又称为类别，如患者某项疾病的诊断结果。如果输出值是定量的（常常是连续的），监督学习则称为回归
...继续阅读
(5)
发表于
2022-09-07 00:00:00
文档和视频，你更喜欢哪种学习方式？
如题，这是我今天思考的话题。灵感来源于我在 dev.to 网站上看到的一个帖子。对于 learning 的方式，更倾向于看文档还是视频？我觉得可以从多个维度进行分析。 学习进度，也可以说是过程 行
...继续阅读
(18)
发表于
2022-09-07 00:00:00
文档和视频，你更喜欢哪种学习方式？
如题，这是我今天思考的话题。灵感来源于我在 dev.to 网站上看到的一个帖子。对于 learning 的方式，更倾向于看文档还是视频？我觉得可以从多个维度进行分析。 学习进度，也可以说是过程 行业领域 后天应该养成什么样的习惯呢？ 1.学习进度 学习进度应该是对学习方式影响最大的因素了。 学习的初始阶段以看视频为主，应该对这个领域不熟悉，一直在行内人看起来随手就能做很简单的操作，新人往往不能够很好的了解它，所以最开始的阶段最好是以视频教材为主。 打个比方，上学时老师都是手把手的教学，因为你什么都不会，必须口口相传，这是对待新人的方式，如果让他自己一直干看，一学期下来估计也看不懂几页书。（当然了，天才除外，这不在讨论的范围，大家 90% 都是普通人。）然后到后期的时候一般都是自习因为该教的基础都是都教了，需要学生自己研究琢磨，不然根本不能融会贯通。 从这个角度看，自学似乎是学习方式的终点。 2.行业领域 拿我自己打比方我更倾向于看文档，视频的话偶尔看看，但是看的不多。因为我觉得看视频很难一眼看出里面的内容是否是我所需要的， 看文档的话，通过关键词搜索以及其他方式，我可以在可控的，短时间内找到自己想要的内容，不管学习还是工作都是极其方便的。 看代码的话文档是最清晰可辨的，但是就在我进行思考的时候问了对象一句，“你平时学习更倾向于什么方式呢，看视频还是看文章？” 答：“肯定是看视频啊，
...继续阅读
(10)
发表于
2022-09-07 00:00:00
文档和视频，你更喜欢哪种学习方式？
如题，这是我今天思考的话题。灵感来源于我在 dev.to 网站上看到的一个帖子。对于 learning 的方式，更倾向于看文档还是视频？我觉得可以从多个维度进行分析。 学习进度，也可以说是过程 行
...继续阅读
(15)
发表于
2022-03-05 13:21:22
学习周刊-总第43期-2022年第08周
周刊维护在：https://github.com/eryajf/learning-weekly 欢迎投稿，推荐或自荐项目 /文章 /博客，请提交 issue 。
...继续阅读
(16)
发表于
2022-02-26 13:41:01
学习周刊-总第42期-2022年第07周
周刊维护在：https://github.com/eryajf/learning-weekly 欢迎投稿，推荐或自荐项目 /文章 /博客，请提交 issue 。
...继续阅读
(17)
发表于
2022-02-19 15:38:57
学习周刊-总第41期-2022年第06周
周刊维护在：https://github.com/eryajf/learning-weekly 欢迎投稿，推荐或自荐项目 /文章 /博客，请提交 issue 。
...继续阅读
(16)
发表于
2022-02-12 00:08:49
学习周刊-总第40期-2022年第05周
周刊维护在：https://github.com/eryajf/learning-weekly 欢迎投稿，推荐或自荐项目 /文章 /博客，请提交 issue 。
...继续阅读
(15)
发表于
2022-01-30 16:16:38
学习周刊-总第39期-2022年第04周
周刊维护在：https://github.com/eryajf/learning-weekly 欢迎投稿，推荐或自荐项目 /文章 /博客，请提交 issue 。
...继续阅读
(16)
发表于
2022-01-21 21:43:40
学习周刊-总第38期-2022年第03周
周刊维护在：https://github.com/eryajf/learning-weekly 欢迎投稿，推荐或自荐项目 /文章 /博客，请提交 issue 。
...继续阅读
(20)
发表于
2022-01-15 13:47:04
学习周刊-总第37期-2022年第02周
周刊维护在：https://github.com/eryajf/learning-weekly 欢迎投稿，推荐或自荐项目 /文章 /博客，请提交 issue 。
...继续阅读
(23)
发表于
2022-01-07 22:08:28
学习周刊-总第36期-2022年第01周
周刊维护在：https://github.com/eryajf/learning-weekly 欢迎投稿，推荐或自荐项目 /文章 /博客，请提交 issue 。
...继续阅读
(18)
发表于
2021-09-28 10:25:58
使用Docker-Compose一键部署WordPress
有时候实在是太懒，什么面板环境都不想安装，就想有一个可以直接部署的东西，于是就抽空做了一个docker-compose一键部署的镜像，使用的软件如下：Haproxy：主要用来放证书以及做一些前置acl的功能Openlitespeed：这比用nginx+php-fpm好太多，特别是放wordpress的网站，再配合lscache插件，简直香透了~Redis：主要用于Object-CacheMariadb：mysql兼容数据库Phpmyadmin：提供了数据库web管理界面一、Docker-Compose的安装，进入终端，敲命令：curl -sSL https://get.docker.com | sh如果在国内，用阿里的镜像curl -fsSL https://get.docker.com | bash -s docker --mirror Aliyun二、Docker-Compose的安装curl -L "https://github.com/docker/compose/releases/download/1.29.2/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose
ln -s /usr/local/bin/docker-compose /usr/bin/docker-compose
...继续阅读
(50)
发表于
2021-09-06 06:33:04
单节点部署Kubesphere+PorterLB
测试环境说明：Hetzner AX41-NVME服务器一台没有其他节点，只有单节点只有一个公网IP测试目标：PorterLB配置本地LB，实现docker程序公网暴露参考资料：https://porterlb.io/docs/getting-started/installation/install-porter-on-kubernetes/一、首先按照官网说明all-in-one的方式进行安装，然后进入终端，敲命令：kubectl apply -f https://raw.githubusercontent.com/kubesphere/porter/master/deploy/porter.yaml然后查看是否已经readykubectl get po -n porter-system二、打开strictARPkubectl edit configmap kube-proxy -n kube-systemipvs:strictARP: true然后重启kube-proxykubectl rollout restart daemonset kube-proxy -n kube-system三、查看本地网卡接口地址，主要是接口名称和ip，然后添加为eipkubectl apply -f - <
...继续阅读
(40)
发表于
2021-06-11 07:00:00
Where Are Pixels? -- a Deep Learning Perspective
发表于
2021-05-23 07:00:00
Deep Learning Experiments and Claims
这几年来, 从 FAIR 的几位大佬身边学习到的最多的是对待 research 的态度. 因此说说写 paper 和做实验的体会.实验与 claims实验是为了证明或强化文章里给出的 claim/hypothesis 的.Ross ICCV 2019 tutorial最后谈了谈怎么写 pa
...继续阅读
(42)
发表于
2021-05-16 22:00:36
learning：vppsb router插件编译
前面文章中介绍了一篇博客：Learning VPP: OSPF routing protocol，文章中介绍使用VPPsb的router插件，它实现了将控制报文推到Linux网络堆栈的逻辑，以及一个基于netlink的机制，它将Linux的路由表同步到VPP的FIB中。本文主要尝试vppsb router查询在最新vpp21.06版本编译。并配置简单的ping业务正常。
基本逻辑可以查询vpp官方指导文档:https://wiki.fd.io/view/VPP_Sandbox/router。源码解读后续有
...继续阅读
(25)
发表于
2020-12-16 08:00:27
Seafile 6.3 升级 7.x 避坑指南
#前言：我只试过docker版官方升级指南在这里：https://cloud.seafile.com/published/seafile-manual-cn/docker/6.3_%E5%8D%87%E7%BA%A7%E5%88%B0_7.0.md截至2020年12月16日我升级的时候，官方指南依然存在两个问题第一个问题，是数据库无法直接迁移到docker-compose下的mariadb，原因是之前有部分的数据表是myisam存储引擎，你会遇到诸如：“Column last_update in table “mysql”.”innodb_table_stats” is INT UNSIGNED NOT NULL but should be BINARY”这类的问题，如果按照网上的说法，删除数据表再去重建，太费事了。因此在升级前，建议直接进老版本的docker容器内，把三个数据库（ccnet_db,seafile_db,seahub_db）都全部mysqldump出来然后改一下docker-compose，只保留mariadb这一项服务，注意把挂载路径改到临时路径去，代码在这：version: '2.0'services:db:image: mariadb:10.1container_name: seafile-mysqlenviro
...继续阅读
(45)
发表于
2020-07-11 00:00:00
无模型策略预测和控制 - 时序差分学习 (Model-Free Policy Prediction and Control - Temporal Difference Learning)
本文为《强化学习系列》文章本文内容主要参考自：1.《强化学习》12. CS234: Reinforcement Learning23. UCL Course on RL3时序差分预测**时序差分（Temporal Difference，TD）**和蒙特卡洛方法都利用经验来解决预测问题。给定策略$\pi$的一些经验，以及这些经验中的非终止状态$S_t$，一个适用于非平稳环境的简单的每次访问型蒙特卡洛方法可以表示为：$$ V\left(S_{t}\right) \gets V\left(S_{t}\right)+\alpha\left[G_{t}-V\left(S_{t}\right)\right] \label{eq:mc-update} $$其中，$G_t$是时刻$t$真实的回报，$\alpha$是步长参数，称之为常量$\alpha$MC。MC 需要等到一幕的结尾才能确定对$V \left(S_t\right)$的增量（此时才能获得$G_t$），而 TD 则只需要等到下一个时刻即可。在$t+1$时刻，TD 使用观察到的收益$R_{t+1}$和估计值$V \left(S_{t+1}\right)$来进行一次有效更新：$$ V\left(S_{t}\right) \gets V\left(S_{t}\right)+\alpha\left[R_{t+1}+\gamma V\left(S_
...继续阅读
(43)
发表于
2020-06-10 16:44:58
ResNet: Deep Residual Learning for Image Recognition
发表于
2020-05-09 00:00:00
强化学习简介 (Introduction of Reinforcement Learning)
本文为《强化学习系列》文章强化学习简介**强化学习（Reinforcement Learning，RL）**是机器学习中的一个领域，是学习“做什么（即如何把当前的情景映射成动作）才能使得数值化的收益信号最大化”。学习者不会被告知应该采取什么动作，而是必须自己通过尝试去发现哪些动作会产生最丰厚的收益。强化学习同机器学习领域中的有监督学习和无监督学习不同，有监督学习是从外部监督者提供的带标注训练集中进行学习（任务驱动型），无监督学习是一个典型的寻找未标注数据中隐含结构的过程（数据驱动型）。强化学习是与两者并列的第三种机器学习范式，强化学习带来了一个独有的挑战——**“试探”与“开发”**之间的折中权衡，智能体必须开发已有的经验来获取收益，同时也要进行试探，使得未来可以获得更好的动作选择空间（即从错误中学习）。在强化学习中，有两个可以进行交互的对象：智能体（Agnet）和环境（Environment）：智能体：可以感知环境的状态（State），并根据反馈的奖励（Reward）学习选择一个合适的动作（Action），来最大化长期总收益。环境：环境会接收智能体执行的一系列动作，对这一系列动作进行评价并转换为一种可量化的信号反馈给智能体。图片来源：https://en.wikipedia.org/wiki/Reinforcement_learning除了智能体和环境之外，强化学习系统有四个核心
...继续阅读
(41)
发表于
2020-05-01 00:00:00
统计月读（2020 年 3-4 月）
推荐语：机器学习算法常常带有“黑箱”的特性，因此一些学者开始致力于可解释性机器学习的研究。Christoph Molnar 的新书 Interpretable Machine Learning 对此领域有较为全面
...继续阅读
(20)